PERAMALAN (
FORECASTING
) VOLUME PENJUALAN
DENGAN
METODE EXPONENTIAL SMOOTHING
(Study Kasus Pada PT.Harfia Graha Perkasa)
Skripsi
Diajukan untuk Memenuhi Salah Satu Syarat Meraih Gelar Sarjana Sains (S.Si) pada Jurusan Matematika
Fakultas Sains Dan Teknologi UIN Alauddin Makassar
OLEH :
SURIYAWATI SAID NIM. 60600107017
FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI ALAUDDIN
PERNYATAAN KEASLIAN SKRIPSI
Dengan penuh kesadaran, penyusun yang bertanda tangan di bawah ini, menyatakan
bahwa skripsi ini benar adalah hasil karya penyusun sendiri, jika dikemudian hari terbukti bahwa skripsi ini merupakan duplikat, tiruan, plagiat atau dibuat, dibantu oleh orang lain secara keseluruhan atau sebagian, maka skripsi dan gelar yang diperoleh karenanya batal demi hukum.
Makassar, 2011
Penyusun,
PERSETUJUAN PEMBIMBING
Pembimbing penulisan skripsi saudari Suriyawati Said, NIM: 60600107017, Mahasiswa Jurusan Matematika pada Fakultas Sains Dan Teknologi UIN Alauddin Makassar, setelah
dengan seksama meneliti dan mengoreksi skripsi yang bersangkutan dengan judul “Peramalan
(Forecasting) Volume Penjualan Dengan Metode Exponential Smoothing (Study Kasus Pada PT.Harfia Graha Perkasa)”, memandang bahwa skripsi tersebut telah memenuhi syarat-syarat ilmiah dan dapat disetujui dan diajukan ke sidang Munaqasyah.
Demikian persetujuan ini diberikan untuk proses selanjutnya.
Makassar, 2011
Pembimbing I Pembimbing II
Irwan S.Si.M.Si Muh.Kasim Aidid S.Si.M.Si
PENGESAHAN SKRIPSI
Skripsi yang berjudul “Peramalan (Forecasting) Volume Penjualan Dengan Metode Exponential Smoothing (Study Kasus Pada PT.Harfia Graha 0Perkasa)” yang disusun oleh saudari Suriyawati Said, NIM: 60600107017, mahasiswi Program Studi Matematika pada Fakultas Sains Dan Teknologi UIN Alauddin Makassar, telah diuji dan dipertahankan dalam sidang munaqasyah yang diselenggarakan pada hari Kamis tanggal 18 Agustus 2011 M, bertepatan dengan 18 Ramadhan 1432 H,dan dinyatakan telah dapat diterima sebagai salah satu syarat untuk mendapatkan gelar Sarjana Sains (S.Si.).
Makassar, 18 Ramadhan 1432 H 18 Agustus 2011M
DEWAN PENGUJI
1. Ketua : Dr.Muhammad KHalifah Mustami, M.Pd (……….)
2. Sekretaris : Wahyuni Abidin S.Pd.M.Pd (……….)
3. Munaqisy I : Ermawati S.Si M.Si (……….)
4. Munaqisy II : Sukarna S.Pd M.Si (………)
5. Munaqisy II : Drs.Muh.Arif Alim M.Ag (………)
6. Pembimbing I : Irwan S.Si M.Si (……….)
7. Pembimbing II : Muh.Kasim Aidid S.Si.M.Si (……….)
Disahkan Oleh:
Dekan Fakultas Sains Dan Teknologi UIN Alauddin Makassa
KATA PENGANTAR
Penulis mengawali pengantar ini dengan rasa syukur yang sedalam-dalamnya kepada
Allah Swt yang telah memberikan petunjuk, kekuatan dan umur panjang sehingga bisa menyusun dan menyelesaikan skripsi ini. Shalawat dan salam senantiasa penulis persembahkan
kepada nabi besar Muhammad Saw yang telah diutus oleh Allah Swt ke permukaan bumi sebagai
rahmatan lil a’lamin.
Dalam penyusunan skripsi ini banyak hambatan dan rintangan yang penulis lewati, akan
tetapi dengan berbagai macam bimbingan, motivasi dari berbagai pihak sehingga segalanya dapat teratasi dengan baik. Teristimewa untuk Ibundaku tercinta Hj.Maisah yang banyak
mengajarkan arti sebuah kehidupan, kesabaran, kesungguhan dan yang paling penting tentang ketauhidan dan persembahan hidup kepada Allah SWT Sang Maha Cinta, dan Ayahanda tercinta H. Muhammad Said yang banyak mengajarkan arti sebuah kesederhanaan dalam hidup, tentang
hikmah dan manisnya hidup setelah perjuangan yang keras dan pahit. Kalian adalah inspirasi terbesar dalam hidupku, alasan bagiku untuk tetap hidup dan menjadi yang terbaik, senyum
bangga kalian adalah cita-cita terbesar dalam hidupku. Terima kasih Mama, terima kasih Papa, anugerah terbesar dari Tuhan dalam hidupku ketika aku terlahir ke dunia dari manusia yang luar biasa seperti kalian.
1. Prof. Dr. H. Abdul Qadir Gassing. M.A selaku rektor UIN Alauddin Makassar,
2. Dr.Muhammad Khalifah Mustami,M.Pd selaku dekan Fakultas Sains Dan Teknologi UIN Alauddin Makassar.
3. Irwan S.Si. M.Si selaku ketua Jurusan Matematika dan Wahyuni Abidin S.Pd,M.Pd selaku
sekretaris Jurusan Matematika. Terima kasih atas segala bantuan dan pengertian yang luar biasa sehingga penulis dapat menyelesaikan skripsi ini dengan baik.
4. Irwan S.Si.M.Si selaku pembimbing I dan Muh.Kasim Aidid S.Si.M.Si selaku pembimbing II yang tiada bosan-bosannya membantu dan memberikan arahan kepada penulis sehingga skripsi ini dapat terselesaikan.
5. Ermawati S.Pd.M.Si, Sukarna S.Pd.M.Si, dan Drs. Muh. Arif Alim M.Ag selaku penguji I, penguji II, dan penguji III.
6. Dosen-dosen yang selama penulis menempuh pendidikan telah banyak memberikan ilmu dan wawasan, mudah-mudahan Allah SWT memberikan ilmu yang jauh lebih banyak lagi,.Amin. 7. Semua Staf dan Tata Usaha pada Fakultas Sains Dan Teknologi yang telah memberikan
bantuan dari segi persuratan, dan berkas-berkas lainnya sehingga penulis bisa menyelesaikan skripsi ini tepat waktu.
8. Bapak Suyuti SE. Dan ka` Rahmat selaku Ketua Operasional Pemasaran dan Asisten PT.Harfia Graha Perkasa yang telah memberikan bantuan selama penulis melakukan penelitian.
9. Saudaraku tersayang k`Aty dan om Alam terima kasih atas semua dukungan, doa,Cinta, nasehat dan bantuan materi yang tidak bisa lagi penulis hitung. Untuk k`Sukma dan K`
Mama Papa sayang, tetap jadi pribadi yang santun, religis, sederhana, dan dermawan. Hanya
ada hal-hal baik untukmu di dunia ini. Terima kasih atas cinta, pengertian, dan dukungannya selama ini, dan yang pasti sudah jadi saudara dan pelindung yang baik untuk kakakmu yang cerewet ini, love u brother.
10.Keluarga besarku mama marwah thanks atas bantuannya, mama eda, tante bahri, om Abidin (alm), tante Darni dan semuanya yang tak bisa disebut satu-satu. Thanks atas semua senyum
doa dan dukungannya.
11.Malaikat-malaikat kecilku di istana syurga Muh. Jefri Irwandi. Sherly Suwansih,Irma ,Rahmat Walinono, Agis, dan si comel Nurul Azkiyah, senyum dan pelukan kalian adalah
energi buat hidupku, meskipun dunia kadang tak berpihak pada kita, senyum tetap yang utama. Kalian harus tetap semangat, apa baiknya dunia tanpa kalian.
12.Untuk sahabatku Dana dan Indah, terima kasih sudah jadi saudara dan sahabat yang baik, jangan pernah bosan dengar keluhku. Untuk Aby terima kasih atas segala keindahan hidup yang kau ajarkan untukku, kerja keras dan kesabaran, semangat! Spesial untuk Guruku Ibu
Aminah ST.M.Si yang sudah jadi sahabat, saudara, sekaligus orang yang sangat penulis hormati,terima kasih karena sudah jadi tempat berbagi keluh, pendapat, dan semua ilmu
tentang kehidupan yang beliau ajarkan untukku. Yakin, Tuhan punya rencana yang sangat indah buat hambanya yang beriman, shaleh, cerdas dan santun seperti anda.
13.Sahabat-sahabatku tercinta, tersayang, termanis dan ter segalanya jurusan Matematika
angkatan 2007, terima kasih atas semua senyum kocak, doa, dukungan, dan cinta yang luar biasa. Kalianlah saudara-saudaraku yang menjadi warna dalam hidupku.
,Satri,Ana,Harni,K`Tina),teman-teman pondok ceria kos (mintem, bio, tammi, cute, ikki,
accy, mina), thanks sudah jadi saudara yang baik.
15.Sahabat-sahabatku di FKMA As`adiyah tetap jaga solidaritas dan karakter ke-As`adiyah_ an , sahabat-sahabat di HIPERMAWA Pusat dan Komisariat Pammana, semanagat Yassiwajori.
16.Ibu evi selaku ketua yayasan Harapan Mandiri Les Dan Privat, yang telah memberikan kesempatan utuk berbagi ilmu, amal, dan pengalaman mengajar, spesial untuk
murid-muridku yang cantik Andi Amanda Amaliah Agus Arifin Nu`mang, Andi Khusnul Amaliah, Andi Risna Septia Hastin. Dan Silvia Hady.
Penulis adalah hamba yang lemah, tak berharta dan tak berkedudukan sehingga penulis
hanya menyerahkan kepada Allah Swt semoga segala bantuan yang diberikan dapat bernilai ibadah di sisinya. Amien Ya Rabbal Alamin.
Makassar, Agustus 2011
DAFTAR ISI
HALAMAN SAMPUL ... i
PERNYATAAN KEASLIAN SKRIPSI... ii
PERSETUJUAN PEMBIMBING ... iii
PENGESAHAN SKRIPSI ... iv
KATA PENGANTAR... v-ix MOTTO DAN PERSEMBAHAN ... x
DAFTAR ISI . ... xi
DAFTAR TABEL ... viii
DAFTAR GAMBAR ... ix
ABSTRAK .... ... x
BAB I PENDAHULUAN ...1-9 A. Latar Belakang Masalah ... 1
B. Rumusan Masalah ... 6
C. Tujuan dan Manfaat Penelitian ... 6
D. Batasan Masalah ... 8
E. Sistematika Penulisan ... 8
BAB II TINJAUAN PUSTAKA...10-35 A. Metode Peramalan ... 10
B. Jenis-Jenis Peramalan ... 11
C. Metode Peramalan Deret Waktu (Time Series) ... 16
D. Analisis Korelasi Dan Regresi ... 21
E. Metode Exponential Smoothing ... 23
F. Kesalahan Meramal (Forecast Error) ... 31
G. Gambaran Umum Beton Dan Perusahaan ... 32
BAB III METODE PENELITIAN ...36-41 A. Jenis Penelitian ... 36
B. Lokasi Dan Waktu Penelitian ... 36
C. Jenis Dan Sumber Data ... 36
D. Metode Pengumpulan Data ... 36
E. Prosedur Penelitian ... 37
F. Karangka Pikir ... 41
BAB IV HASIL PENELITIAN DAN PEMBAHASAN ...42-62 A. Hasil Penelitian ... 42
1. Penggunaan Metode Exponential Smoothing ... 44
b. Persamaan Garis Data Volume Penjualan ... 44
c. Memilih Metode Exponential Smoothing ... 47
d. Menghitung Forecast Error ... 50
2. Ramalan Volume Penjualan Beton ... 50
B. Pembahasan ... 58
BAB V PENUTUP...61-61 A. Kesimpulan ... 61
B. Saran ... 61 DAFTAR PUSTAKA...64-65 LAMPIRAN – LAMPIRAN
DAFTAR TABEL
Tabel 4.1 Forecast Error Single Exponential Smoothing...57 Tabel 4.2 Ramalan Penjualan Beton Dengan Metode
Single Exponential Smoothing α=0,1 ...59 Tabel 4.3 Ramalan Penjualan Beton Dengan Metode
Single Exponential Smoothing α=0,2 ...59 Tabel 4.4 Ramalan Penjualan Beton Dengan Metode
DAFTAR GAMBAR
Gambar 2.1 Grafik Komponen trend ... ...17
Gambar 2.2 Grafik Komponen siklis ... ...18
Gambar 2.3 Grafik Komponen musiman ... ...18
Gambar 2.4 Grafik Komponen tidak teratur ... ...19
Gambar 4.1 Scatter diagram Fitted Line Plot VolumePenjualan...42
ABSTRAK
Nama : Suriyawati Said
NIM : 60600107017
Judul Skripsi : Peramalan (Forecasting) Volume Penjualan Dengan Metode Exponential Smoothing
(STUDY KASUSU PADA PT.HARFIA GRAHA PERKASA)
Metode statistika sebagai salah satu cabang dari matematika terapan sangat dibutuhkan dalam pengambilan keputusan secara ekonomis di perusahaan-perusahaan, diantaranya adalah untuk keperluan forecasting (peramalan) penjualan. Metode ramalan exponential smoothing merupakan salah satu model ramalan data berkala (time series) yang dalam penelitian ini digunakan sebagai metode dalam peramalan penjualan.
Metode Exponential Smoothing digunakan untuk meramalkan sesuatu yang akan terjadi dimasa yang akan datang, dalam hal ini digunakan untuk meramalkan volume penjualan beton pada PT.Harfia Graha Perkasa. Sehingga dengan melihat pola data dan persamaan regresinya dipilih salah satu metode Exponential Smoothing.
Dari perhitungan harga ramlan ŶT+t(T) dengan single exponential smoothing , serta forecast error tersebut, diperoleh nilai untuk forecast error dengan metode MAE (Mean Absolute Error) dengan α=0,1 adalah 232.1346, untuk α=0,2 adalah 65.86923dan untuk α=0,3 adalah 10.05962.
.
ABSTRACK
Name : Suriyawati Said
Reg Number : 60600107017
Title Of Thesis : Peramalan (Forecasting) Volume Penjualan Dengan Metode Exponential Smoothing
(STUDY KASUSU PADA PT.HARFIA GRAHA PERKASA)
Method of Statistika as one of the branch of mathematics of Since, very required in decision making economically in companys, among others is to need of forecasting (Peramalan) of sale. Method of is forecast of Exponential Smoothing represent one of the model of forecast of Time Series which in this research is used as by method in forecasting of sale.
Method of Exponential Smoothing used to forecast something that will happened a period to come, is in this case used to forecast volume sale of concrete at Strong and heroic PT.HARFIA GRAHA PERKASA. So that seen data pattern and equation its is it him selected one of the method of Exponential Smoothing
Of calculation of price of ramlan ŶT+t(T) with Single Exponential Smoothing , and also Forecast Error, obtained the value for the forecast error with method of MAE ( Mean Absolute Error) with α= 0,1 is 232.1346, to α= 0,2 is 65.86923dan to α= 0,3 is 10.05962
BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Kemajuan ilmu dan teknologi semakin dirasakan kegunaanya oleh manusia. Hal
tersebut terjadi karena hasil kemajuan teknologi yang ada pada saat ini telah menjadi bagian
yang tidak dapat dipisahkan dengan kebutuhan manusia itu sendiri.
Oleh karena itu, sudah sewajarnya jika matematikawan selalu ingin meningkatkan
ilmu pengetahuannya, mengingat matematika banyak digunakan pada bidang-bidang yang
lain. Dengan kata lain matematika merupakan ratunya ilmu sekaligus pelayannya.1
Matematika merupakan alat untuk menyederhanakan penyajian dan pemahaman
masalah. Dengan menggunakan bahasa matematika, suatu masalah dapat menjadi lebih
sederhana untuk disajikan, dipahami, dianalisis, dan dipecahkan.
Dalam ilmu ekonomi, matematika merupakan ilmu pengetahuan yang penting
sekali peranannya dalam analisis. Penggunaan pendekatan matematika dalam ekonomi akan
memberikan empat keuntungan, yaitu:
1. Bahasa matematika lebih ringkas dan tepat
2. Kaya akan dalil-dalil sehingga mempermudah pemakainnya
3. Dapat merumuskan asumsi-asumsi dengan jelas sehingga terhindar bias
4. memungkinkan penggunaan sebanyak n variabel.
Salah satu ayat yang menjadi landasan dasar dalam kegiatan ekonomi khususnya
transaksi jual beli terdapat pada Q.S. Al-Baqarah: 282.
Terjemahnya;
“Hai orang-orang yang beriman, apabila kamu bermu'amalah tidak secara tunai untuk waktu
yang ditentukan, hendaklah kamu menuliskannya. dan hendaklah seorang penulis di antara kamu menuliskannya dengan benar. dan janganlah penulis enggan menuliskannya sebagaimana Allah mengajarkannya, meka hendaklah ia menulis, dan hendaklah orang yang berhutang itu mengimlakkan (apa yang akan ditulis itu), dan hendaklah ia bertakwa kepada Allah Tuhannya, dan janganlah ia mengurangi sedikitpun daripada hutangnya. jika yang berhutang itu orang yang lemah akalnya atau lemah (keadaannya) atau dia sendiri tidak mampu mengimlakkan, Maka hendaklah walinya mengimlakkan dengan jujur. dan persaksikanlah dengan dua orang saksi dari orang-orang lelaki (di antaramu). jika tak ada dua oang lelaki, Maka (boleh) seorang lelaki dan dua orang perempuan dari saksi-saksi yang kamu ridhai, supaya jika seorang lupa Maka yang seorang mengingatkannya. janganlah saksi-saksi itu enggan (memberi keterangan) apabila mereka dipanggil; dan janganlah kamu jemu menulis hutang itu, baik kecil maupun besar sampai batas waktu membayarnya. yang demikian itu, lebih adil di sisi Allah dan lebih menguatkan persaksian dan lebih dekat kepada tidak (menimbulkan) keraguanmu. (Tulislah mu'amalahmu itu), kecuali jika mu'amalah itu perdagangan tunai yang kamu jalankan di antara kamu, Maka tidak ada dosa bagi kamu, (jika) kamu tidak menulisnya. dan persaksikanlah apabila kamu berjual beli; dan janganlah penulis dan saksi saling sulit menyulitkan. jika kamu lakukan (yang demikian), Maka Sesungguhnya hal itu adalah suatu kefasikan pada dirimu. dan bertakwalah kepada Allah; Allah mengajarmu; dan Allah Maha mengetahui segala sesuatu.”2
Maksud dari kandungan ayat diatas adalah, Allah SWT memerintahkan kita untuk
melakukan mu`amalah atau dalam hal ini kegiatan ekonomi. Dalam ayat tersebut disebutkan
bahawa ketika kegiatan mu`amalah tersebut terjadi hendaknya ditulis atau dicatatkan, hal ini
menegaskan bahwa dari data yang ditulis dalam kegiatan ekonomi tersebut bisa digunakan
sebagai arsip jika suatu waktu data masa lalu akan dibutuhkan.
Dalam ayat tersebut juga dikatakan bahwa hendaknya penulis menuliskan atau
mencatatkan dengan benar, hal ini bertujuan agar ketika kita melakukan analisis untuk
menghitung ramalan penjualan benar.
Di dalam melakukan analisa kegiatan usaha perusahaan, haruslah diperkirakan apa yang
akan terjadi dalam dunia usaha pada masa yang akan datang. Kegiatan untuk memperkirakan apa
yang akan terjadi pada masa yang akan datang disebut peramalan (forecasting).
Forecasting (peramalan) adalah salah satu unsur yang sangat penting dalam pengambilan
keputusan. Suatu dalil yang dapat diterima bahwa semakin baik ramalan tersedia untuk pimpinan
semakin baik pula prestasi kerja mereka sehubungan dengan keputusan yang diambil. Ramalan
yang dilakukan umumnya akan berdasarkan pada data masa lampau yang dianalisis dengan
menggunakan cara-cara tertentu.3
Data masa lampau dikumpulkan, dipelajari, dan dianalisis dihubungkan dengan
perjalanan waktu. Karena adanya faktor waktu itu, maka dari hasil analisis tersebut dapat
dikatakan sesuatu yang akan terjadi pada masa mendatang. Jelas, dalam hal tersebut kita
dihadapkan dengan ketidakpastian sehingga akan ada faktor akurasi atau keseksamaan yang
harus diperhitungkan.
Dalam Surah Luqman ayat 34, dijelaskan tentang peramalan atau menduga sesuatu yang
belum pernah terjadi sebelumnya, ayat tersebut berbunyi ;
.Terjemahnya;
Sesungguhnya Allah, Hanya pada sisi-Nya sajalah pengetahuan tentang hari Kiamat; dan Dia-lah yang menurunkan hujan, dan mengetahui apa yang ada dalam rahim. dan tiada seorangpun yang dapat mengetahui (dengan pasti) apa yang akan diusahakannya besok. dan tiada seorangpun yang dapat mengetahui di bumi mana dia akan mati. Sesungguhnya Allah Maha mengetahui lagi Maha Mengena.l4
Maksud dari kandungan ayat tersebut menerangkan bahwa manusia itu tidak dapat
mengetahui dengan pasti apa yang akan diusahakannya besok atau yang akan diperolehnya,
namun demikian mereka diwajibkan berusaha. Salah satu hal yang dimaksud dari kata berusaha
tersebut adalah menerka atau meramalkan sesuatu yang akan terjadi berdasarkan apa yang
pernah terjadi pada masa lampau sesuai dengan yang pernah dicatatkan. Hanya Allah yang
mampu mengetahui segala sesuatunya, manusia hanya melakukan usaha.
Akurasi suatu ramalan berbeda untuk tiap persoalan dan bergantung pada berbagai
faktor, yang jelas tidak akan selalu didapatkan hasil ramalan dengan ketepatan seratus persen. Ini
tidak berarti bahwa ramalan menjadi percuma. Melainkan sebaliknya terbukti, bahwa ramalan
telah banyak digunakan dan membantu dengan baik dalam berbagai manajemen sebagai
dasar-dasar perencanaan, pengawasan, dan pengambilan keputusan. Salah salu diantaranya adalah
forecasting penjualan.5
Ada beberapa model yang dikenal untuk menganalisis peramalan diantaranya model
ekonometrika, model deret berkala (time series) dan model ramalan kualitatif. Salah satu metode
ramalan dalam Model deret berkala (time series) adalah metode exponential smoothing
(pemulusan), metode ini dinyatakan cukup sesuai untuk peramalan jangka pendek dan jangka
4 Surah Luqman ayat 34
5Salamah Mutiah, Time Series Analysis( Fakultas Matematika dan Ilmu Pengetahuan, LembagaPendidikan, Insitut Teknologi Sepuluh
menengah terutama bila dibutuhkan sejumlah besar hasil ramalan seperti yang terdapat pada
tingkat operasional suatu perusahaan.6 Sedangkan dalam rencana kedepannya penelitian ini akan
menggunakan ramalan penjualan jangka pendek.
Ada beberapa metode peramalan yang dapat digunakan untuk menyelesaikan masalah
perusahaan salah satunya adalah metode exponential smoothing. Metode exponential smoothing
merupakan deret waktu yang digunakan untuk memprediksi masa depan dengan menggunakan
data historis. Dengan kata lain, model deret waktu mencoba melihat apa yang terjadi pada masa
kurun waktu tertentu dan menggunakan deret waktu masa lalu untuk meramalkan masa yang
akan datang.7
Penerapan konsep ramalan tersebut diadakan penelitian di PT. Harfia Graha Perkasa
yang memproduksi Beton, meskipun data yang digunakan adalah data sekunder dari tahun
sebelumnya, akan dilakukan peramalan penjualan untuk tahun yang akan datang.
Berdasarkan uraian tersebut, maka penulis tertarik untuk mengkaji lebih dalam
bagaimana peramalan atau forecasting volume penjualan produk beton pada PT. Harfia Graha
Perkasa dengan metode Exponential Smoothing.
B. Rumusan Masalah
Masalah yang akan dibahas dalam skripsi proposal ini adalah :
1. Bagaimana menggunakan metode exponential smoothing pada peramalan volume
penjualan ?
2. Berapa besar hasil ramalan (forecasting) volume penjulan Beton pada PT.Harfia
Graha Perkasa?
6Makridakis, Time Series Analysis( Fakultas Matematika dan Ilmu Pengetahuan, Lembaga Pendidikan, Insitut Teknologi Sepuluh November, 1993),h.150
C. Tujuan dan Manfaat Penelitian
1. Tujuan Penelitian
a. Untuk mengetahui dan menganalisis metode exponential smoothing pada peramalan
penjualan Beton pada PT.Harfia Graha Perkasa.
b. Untuk mengetahui prediksi ramalan penjualan Beton pada PT.Harfia Graha Perkasa.
2. Manfaat Penelitian
a) Manfaat bagi penulis
1) Sebagai bahan pembalajaran dalam penguasaan ilmu pengetahuan khususnya dalam
bidang ilmu matematika
2) Membantu penulis dalam menerapkan ilmu yang didapat di perkuliahan serta sebagai
latihan sebelum terjun di dunia kerja nyata.
b) Manfaat bagi perusahaan
Sebagai bahan pertimbangan bagi pengambil keputusan dalam memprediksi
peramalan volume penjualan beton di perusahaan dalam hal ini PT.Harfia Graha Perkasa.
c) Manfaat bagi dunia pendidikan
1) Sebagai bentuk referensi sejauh mana metode exponential smoothing digunakan bagi
dunia ekonomi khususnya dalam penjualan.
2) Sebagai bahan acuan bagi para ilmuwan bahwa matematika memang dapat digunakan
disemua cabang ilmu pengetahuan.
D. Batasan Masalah
Penelitian ini hanya membahas metode exponential smoothing untuk meramalkan
volume penjualan beton pada PT.Harfia Graha Perkasa berdasarkan data dari bulan Januari
2007 sampai April 2011. Dengan data tersebut, penulis akan menganalisis dan
menyimpulkan berapa besar volume penjualan beton pada Mei 2011 sampai Desember
2011.
E. Sistematika Penulisan
Secara garis besar sistematika penulisan tugas akhir ini dibagi menjadi tiga bagian,
yaitu bagian awal, bagian isi, dan bagian akhir.
1. Bagian awal
Bagian awal tugas akhir terdiri dari halaman judul, halaman pengesahan, motto dan
persembahan, kata pengantar, daftar isi, daftar tabel, dan daftar lampiran.
2. Bagian isi
Bagian isi tugas akhir terbagi menjadi lima bab, yaitu
a. Bab I Pendahuluan
Bab ini berisi alasan pemilihan judul, rumusan masalah, tujuan penelitian, manfaat
penelitian, pembatasan masalah, dan sistematika penulisan.
b. Bab II Tinjauan pustaka
Di dalam tinjauan pustaka akan dibahas tentang forecasting (peramalan), penjualan, Analysis
c. Bab III Metode Penelitian
Di dalam bab ini akan dikemukakan metode penelitian yang berisi ruang lingkup kegiatan,
grafik, serta langkah-langkah yang ditempuh untuk memecahkan masalah yaitu metode
pengumpulan data dan analisis data.
d. Bab IV Hasil dan Pembahasan
Bab ini berisi hasil penelitian dan pembahasan
e. Bab V Penutup
Bab ini memuat kesimpulan dan saran
3. Bagian akhir
BAB II
TINJAUAN PUSTAKA
A. Metode Peramalan
Ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa
yang akan datang. Peramalan menjadikan pengelolaan dari suatu variabel dimasa datang
akan terlihat, sehingga mempermudah dalam perencanaan-perencanaan untuk periode yang
akan dating.8
Setiap kebijakan perusahaan tidak akan terlepas dari usaha untuk meningkatkan
kesejahteraan masyarakat atau meningkatkan keberhasilan perusahaan untuk mencapai
tujuan pada masa yang akan datang, dimana kebijakan tersebut dilaksanakan. Oleh karena
itu perlu dilihat dan dikaji situasi dan kondisi pada saat kebijakan tersebut dilaksanakan.
Usaha untuk melihat dan mengkaji situasi dan kondisi tersebut tidak terlepas dari kegiatan
peramalan. Di dalam usaha mengetahui atau melihat perkembangan dimasa depan,
peramalan dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu
kebutuhan akan timbul, sehingga dapat dipersiapkan kebijakan yang perlu dilakukan. Selain
itu ramalan dibutuhkan untuk memberikan informasi kepada pimpinan sebagai dasar untuk
membuat suatu keputusan.
Metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi
pada masa depan, berdasarkan pada data yang relevan pada masa lalu. Oleh karena metode
peramalan didasarkan atas data yang relevan pada masa lalu, maka metode peramalan ini
dipergunakan dalam peramalan yang objektif.
8Macridakis, Steven C.Whellwright, Victor. E.Mc.Gee, Metode dan Aplikasi Peramalan, Penerbit Erlangga, Jakarta,2004,
Terdapat dua langkah dasar yang harus dilakukan dalam membuat atau menghasilkan
suatu peramalan yang akurat dan berguna. Langkah dasar yang pertama adalah pengumpulan
data yang relevan dengan tujuan peramalan yang dimaksud dan menurut informasi – informasi
yang dapat menghasilkan peramalan yang akurat. Langkah dasar yang kedua adalah memilih
metode peramalan yang tepat yang akan digunakan dalam mengolah informasi yang terkandung
dalam data yang telah dikumpulkan.9
B. Jenis – Jenis Peramalan
Peramalan dapat dibedakan dari beberapa segi tergantung dari cara melihatnya, yaitu
dilihat dari jangka waktu ramalan dan dilihat dari sifat ramalan.Jika dilihat dari jangka
waktu ramalan yang disusun, maka ramalan dapat dibedakan atas dua macam, yaitu:
a. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil
ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester.
b. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil
ramalan dengan jangka waktu yang kurang dari satu setengah tahun, atau tiga semester.
Proses peramalan terdiri dari langkah-langkah sebagai berikut:
a. Penentuan tujuan, menganalisis dan membicarakan dengan para pembuat keputusan dalam
perusahaan untuk mengetahui apa kebutuhan-kebutuhan mereka dalam menentukan:
1. Variabel-variabel apa yang diestimasi,
2. Siapa yang akan menggunakan hasil peramalan
3. Untuk tujuan apa hasil peramalan akan digunakan.
4. Estimasi jangka panjang atau jangka pendek yang diinginkan.
5. Derajat kecepatan estimasi yang diinginkan.
6. Bagian-bagian peramalan yang diinginkan, seperti peramalan kelompok pembeli, daerah
geografis, dan produk.
b. Pengembangan model
Setelah tujuan ditetapkan,langkah berikutnya adalah mengembangkan model.
Pengembangan model ini merupakan penyajian yang lebih lebih sederhana sistem yang
dipelajari.
Model adalah suatu karangka analitik yang apabila dimasukkan data masukan
menghasilkan estimasi penjualan diwaktu mendatang (atau variabel apa yang meramal).
Analisator hendaknya memilih satu model yang menggambarkan secara realistis pelaku
variabel-variabel yang dipertimbangkan.
Sebagai contoh, bila perusahaan ingin meramalkan volume penjualan yang
berbentuk linear, model yang mungkin dipilih Y = A + BX,
Keterangan:
Y = besarnya volume penjualan;
X = unit waktu;
A danB= parameter-parameter yang menggambarkan posisi dan kemiringan garis pada
grafik.
c. Pengujian model
Sebelum diterapkan, model biasanya diuji untuk menentukan tingkat akurasi,
validitas, dan reliabilitas yang diharapkan. Ini sering mencakup penerapannya pada data
historis, dan penyiapan estimasi untuk tahun-tahun sekarang dengan data nyata dan tersedia.
d. Penerapan model
Setelah pengujian model, maka model akan diterapkan dalam tahap ini, data historis
dimasukkan dalam model untuk menghasilkan satu ramalan. Dalam kasus model penjualan,
Y = A+BX, analisator menerapkan teknik-teknik matematika agar diperoleh A dan B.
e. Revisi dan evaluasi
Ramalan-ramalan yang telah dibuat harus diperbaiki dan ditinjau kembali. Perbaikan
mungkin perlu dilakukan karena adanya perubahan-perubahan dalam perusahaan atau
lingkungannya, seperti tingkat harga produk perusahaan, karakteristik-karakteristik produk,
pengeluaran-pengeluaran periklanan, tingkat pengeluaran pemerintah, kebijakan monoter
dan kemajuan teknologi.
Evaluasi di pihak lain, merupakan perbandingan ramalan-ramalan dengan hasil nyata
untuk menilai ketepatan penggunaan suatu metodologi atau teknik peramalan.
Dalam proses peramalan (forecasting), akan ditemukan situasi, persoalan, dan keputusan
yang berbeda-beda. Namun demikian, ada 3 unsur pokok yang sama dalam kaitannya dengan
masalah peramalan, yaitu:
a. Waktu, secara spesifik dalam semua situasi pengambilan keputusan selalu berhubungan
dengan masa depan.
b. Situasi ketidakpastian, jika pengambil keputusan yakin terhadap suatu hasil yang akan
terjadi di masa dating, maka peramalan tidak ada gunanya.
c. Keputusan-keputusan yang didasarkan pada ramalan-ramalan yang dibuat, berdasarkan
Berdasarkan sifatnya teknik peramalan ada 2 yaitu:
1. Peramalan kualitatif, peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil
peramalan sangat bergantung pada orang yang menyusunnya. Hal ini penting karena hasil
peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, judgement atau
pendapat, dan pengetahuan serta pengalaman dari penyusunnya.
2. Peramalan kuantitatif, peramalan yang didasarkan atas data kuantitatif pada masalalu.
Peramalan kuantitatif sangat mengandalkan pada data historis yang dimiliki. Hasil
peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan
tersebut.
Ada satu hal yang harus diingat bahwa peramalan bukanlah pengganti dari perencanaan.
Meskipun peramalan berperan penting dalam setiap bidang fungsional manajemen bisnis.
Peramalan hanyalah salah satu aspek saja dari perencanaan. Penggunaan peramalan sebagai
pengganti dari perencanaan sangat berbahaya. Penggunaan ramalan secara tepat memerlukan
komplementaritas dari perencanaan dengan peramalan, misalkan ramalan terakhir menunjukkan
bahwa penjualan akan menurun dalam waktu dekat.
Ramalan ini menciptakan skenario-skenario alternatif yang dihadapi manajemen sebagai
akibat dari nilai penjualan yang diramalkan akan menurun tersebut, misalnya manajemen
menerima ramalan sehingga anggaran penjualan, rencana dan tujuan derevisi menurun, atau
sebaliknya, manajemen mengubah strategi dengan menerapkan perubahan marketing mix untuk
meningkatkan penjualan. Hal ini menunjukkan bahwa ramalan menjadi input bagi proses
perencanaan dan pengambil keputusan.
Peramalan menunjukkan perkiraan yang akan terjadi pada suatu keadaan tertentu.
keputusan dalam memilih alternatif terbaik. Dengan kata lain, suatu ramalan mencoba untuk
memperkirakan apa yang akan terjadi,sedangkan perencanaan adalah upaya para pengambil
keputusan untuk dapat mempengaruhi hasil yang akan terjadi melalui berbagai strategis,
misalnya biaya promosi.
C. Metode Peramalan Deret Waktu (Time Series)
Deret berkala (time series) adalah sekumpulan data yang dicatat selama periode
tertentu, umumnya berupa data mingguan, bulanan, kuartalan, atau tahunan. 10
Data berkala (time series data) adalah data yang dikumpulkan dariwaktu ke waktu
untuk menggambarkan perkembangan suatu kegiatan (perkembangan produksi, harga, hasil
penjualan, jumlah personil, penduduk, kecelakaan, jumlah kejahatan, jumlah peserta KB,
dan lain sebagainya).11
Analisis data berkala dimungkinkan untuk mengetahui perkembangan suatu atau
beberapa kejadian serta hubungan/pengaruhnya terhadap kejadian lainnya. Oleh karena data
berkala itu terdiri dari beberapa komponen, maka dengan analisis data berkala bisa diketahui
masing-masing komponen, bahkan dapat menghilangkan satu atau beberapa komponen
kalau ingin diselidiki komponen tersebut secara mendalam tanpa kehadiran komponen lain.
Data berkala, karena adanya pengaruh dari komponen-komponen tersebut, selalu
mengalami perubahan sehingga apabila dibuat grafiknya akan menunjukkan suatu fluktuasi
(fluctuation), yaitu gerakan naik-turun.
Gerakan/variasi data berkala terdiri dari empat macam atau empat komponen sebagai
berikut;
1. Gerakan Trend Jangka Panjang (Long Term Movement or Secular Trend) Gerakan trend
jangka panjang adalah suatu gerakan yang menunjukkan arah perkembangan secara umum
(kecenderungan menaik/menurun). Garis trend sangat berguna untuk membuat ramalan
(forecasting) yang sangat diperlukan bagi perencanaan. Gambar 2.1 merupakan Grafik yang
memperlihatkan komponen trend
Gambar 2.1 Grafik komponen trend
2. Gerakan/Variasi Siklis (cyclical Movements or Variations) Gerakan/variasi siklis adalah
gerakan/variasi jangka panjang disekitar garis trend (berlaku untuk data tahunan). Gerakan
siklis ini bias terulang setelah jangka waktu tertentu (setiap 3 tahun, 5 tahun, atau lebih) dan
bisa juga terulang dalam jangka waktu yang sama. Business cycles (konjungtur) adalah
suatu contoh gerakan siklis yang menunjukkan jangka waktu terjadinya kemakmuran
(prosperity), kemunduran(recession),depresi(depression),dan pemulihan (recovery). Gambar
2.2 merupakan grafik yang menunjukkan grafik komponen siklis.
3. Gerakan/Variasi Musiman (Seasonal Movements or Variation) Gerakan/variasi musiman
adalah gerakan yang mempunyai pola tetap dari waktu ke waktu, misalnya naiknya harga
pohon cemara menjelang Natal, menurunnya harga beras pada waktu panen, dan lain
sebagainya. Walaupun pada umumnya gerakan musiman terjadi pada data 16 bulanan yang
dikumpulkan dari tahun ke tahun, namun juga berlaku bagi data harian, mingguan, atau
satuan waktu yang lebih kecil lagi. Gambar 2.3 memperlihatkan grafik komponen musiman
sebagai berikut.
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
Gambar 2.3. Grafik komponen musiman
3. Gerakan/Variasi yang Tidak Teratur (Iregular or Random Movements) Gerakan/variasi yang
tidak tetap adalah gerakan/variasi yang sifatnya sporadis, misalnya naik-turunnya produksi
akibat banjir yang datangnya tidak teratur. Analisis data berkala (analysis of time series)
pada umumnya terdiri dari uraian (description) secara matematis tentang
komponen-komponen yang menyebabkan gerakan-gerakan atau variasi-variasi yang tercermin dalam
fluktuasi.12 Gambar 2.4 merupakan grafik yang memperlihatkan pola yang tidak teratur.
Gambar 2.4. Grafik komponen yang tidak teratur.
Deret waktu adalah serangkaian nilai– nilai variabel yang disusun berdasarkan waktu.
Analisis deret waktu adalah suatu analisa yang dilakukan berdasarkan nilai masa lalu dari suatu
variabel dan atau kesalahan masa lalu dengan tujuan untuk menemukan pola dalam deret data
histori dan mengekstrapolasikan pola tersebut ke masa yang akan datang sebagai suatu perkiraan
kondisi masa depan13. Data deret waktu dianalisis untuk menemukan pola variasi masa lalu yang
dapat digunakan untuk :
a. Memperkirakan nilai masa depan dan membantu dalam manajemen operasi bisnis.
b. Membuat perencanaan bahan baku, fasilitas produksi, dan jumlah staf guna memenuhi
permintaan dimasa mendatang.
Analisis deret waktu dapat digunakan karena dengan mengamat data deret waktu akan
terlihat komponen-komponen yang mempengaruhi suatu pola data masa lalu dan sekarang, yang
cenderung berulang dimasa mendatang. Dari analisis deret waktu dapat diperoleh ukuran–ukuran
yang dapat digunakan untuk peramalan. Metode ini didasarkan pada asumsi bahwa pola lama
akan terulang.14
Analisis data deret waktu pada dasarnya digunakan untuk melakukan analisis data
yang mempertimbangkan pengaruh waktu. Data-data yang dikumpulkan secara periodik
13Makridakis Spyros ,Steven C.Whellwright, Victor. E.Mc.Gee, (Metode dan Aplikasi Peramalan, Penerbit Erlangga, Jakarta, 2004),h:79.
berdasarkan urutan waktu, bisa dalam jam, hari, minggu, bulan, kuartal dan tahun, bisa dilakukan
analisis menggunakan metode analisis data deret waktu. Analisis data deret waktu tidak hanya
bisa dilakukan untuk satu variabel (Univariate) tetapi juga bisa untuk banyak variabel
(Multivariate). Selain itu pada analisis data deret waktu bisa dilakukan peramalan data beberapa
periode ke depan yang sangat membantu dalam menyusun perencanaan ke depan.
Dengan kata lain, model time series dibuat karena secara statistis ada korelasi
(dependen) antar deret pengamatan. Untuk melihat adanya dependensi antarpengamatan, kita
dapat melakukan uji korelasi antar pengamatan yang sering dikenal dengan autocorrelation
function (ACF).
D. Analisis Korelasi dan regresi
a. Regresi Linear Sederhana
Analisis regresi sederhana mempelajari hubungan dari satu peubah tak bebas Y
terhadap satu peubah yang lain yang disebut peubah bebas X. Dalam terminologi
matematis, Y disebut fungsi dari X, tetapi dalam statistika digunakan terminologi
regresi Y atas X. Kedua terminologi ini sama-sama menjelaskan hubungan Y=β0+ β1X,
dimana β0 dan β1 konstanta, dimana β0 disebut intercept dan β1 disebut slope, atau
dalam bahasa matematis β1disebut koefisien arah garis lurus atau linear Y= β0+ β1X.
Model Y= β0+ β1X disebut model linear karena semua peubah yang muncul
dalam model itu berpangkat satu. Jika dilihat dari banyaknya peubah bebas dalam
model, maka mdel tersebut disebut model liniear sederhana, karena hanya mempunyai
satu peubah bebas.15
Regresi linear bukan satu-satunya model yang dipergunakan untuk mengetahui
hubungan antara dua variabel, regresi nonlinear juga patut untuk dipertimbangkan,
seperti model kuadratik, eksponensial, logaritma, dan lain-lain. Penentuan model
tergantung pada sifat peubah atau populasi tempat data stabil.
Sebelum menentukan model pilihan, perlu dilakukan diagnostik terhadap data yang
diperoleh. Diagram pencar (scatter diagram) adalah salah satu alat diagnostik untuk mendapatkan
gambaran tentang hubungan antara peubah bebas dan peubah tak bebas. Diagram pencar dapat
memberikan informasi bahwa model yang relevan adalah linear atau nonlinear.
Nilai-nilai β0 dan β1 dalam model dikenal sebagai parameter model yang hanya dapat
ditentukan jika keseluruhan nilai populasi (X,Y) diketahui, dalam banyak kenyatan Hanya
nilai-nilai sampel (X.Y) yang dapat diketahui sehingga hanya penaksir β0 dan β1 yang dapat
dihitung.16
b. Koefisien Korelasi
Koefisien korelasi dapat digunakan untuk menegtahui hubungan antara dua peubah
X dan Y , dan bukan menaksir atau meramalkan nilai Y seperti pada analisis regresi.
Misalnya X menyatakan besarnya biaya iklan dan Y menyatakan besarnya hasil penjualan
tahunan. Pertanyaan yang mungkin timbul, apakah penurunan biaya iklan akan diikuti oleh
penurunan hasil penjualan tahunan? Hubungan searah dua peubah seperti pada kasus
tersebut disebut hubungan positif antara biaya iklan dan hasil penjualan.
Koefisien korelasi antara dua peubah adalah suatu ukuran hubungan linear antara
kedua peubah. Sehingga, nilai r = 0 berarti tidak ada hubungan linear, bukan berarti kedua
peubah tersebut tidak terdapat hubungan.17
E. Metode Exponential Smoothing
Exponential smoothing adalah suatu teknik peramalan rata-rata bergerak yang
melakukan penimbangan terhadap data masa lau dengan cara exponential, sehingga data
paling akhir mempunyai bobot atau timbangan paling/lebih besar dalam rata-rata bergerak.
Metode exponential smoothing adalah suatu prosedur yang secara terus menerus
memperbaiki peramalan dengan merata-rata (menghaluskan = smoothing) nilai masa lalu
dari suatu data runtut waktu dengan cara menurun (exponential). Analisis exponential
smoothing merupakan salah satu analisis deret waktu, dan merupakan metode peramalan
dengan memberi nilai pembobot pada serangkaian pengamatan sebelumnya untuk
memprediksi nilai masa depan.18
Ada empat model dari metode exponential smoothing yang mengakomodasi asumsi
mengenai trend dan musiman:
1. Simpel(tunggal), model ini mengasumsikan bahwa seri pengamatan tidak memiliki trend dan
variasi musiman.
2. Holt, model ini mengasumsikan bahwa seri pengamatan memiliki trend linier namun tidak
memiliki variasi musiman.
3. Winters, model ini mengasumsikan bahwa seri pengamatan memiliki trend linier dan variasi
musiman.
4. Custom, model ini memungkinkan untuk melakukan penetapan komponen trend dan variasi
musiman19.
Ada tiga parameter yang perlu penetapan, tergantung dari komponen trend dan variasi
musiman:
1. Alpha (α ) merupakan parameter yang mengontrol pembobotan relatif pada pengamatan yang
baru dilakukan. Jika alpha bernilai 1 maka hanya pengamatan terbaru yang digunakan secara
eksklusif. Sebaliknya bila alpha bernilai 0 maka pengamatan yang lalu dihitung dengan
bobot sepadan dengan yang terbaru. Parameter alpha digunakan pada semua model.
2. Beta (β ) merupakan parameter yang mengontrol pembobotan relatif pada pengamatan yang
baru dilakukan untuk mengestimasi kemunculan trend seri. Nilai beta berkisar dari 0 sampai
1. Nilai semakin besar menujukkan pemberian bobot yang semakin besar pada pengamatan
terbaru. Parameter beta digunakan pada model yang memiliki komponen trend linier atau
eksponensial dengan tidak memiliki variasi musiman.
3. Gamma (γ ) merupakan parameter yang mengontrol pembobotan relatif pada pengamatan
yang baru dilakukan untuk mengestimasi kemunculan variasi musiman. Nilai gamma
berkisar dari 0 sampai 1. Nilai semakin besar menunjukkan pemberian bobot yang semakin
besar pada pengamatan terbaru. Parameter gamma digunakan pada model yang memiliki
variasi musiman.
Teknik exponential smoothing tunggal dapat dengan mudah dikembangkan dengan
rumus dasar :
Ŷt+1 = ( ) ( )Ŷt (2.1)
Jika suatu deret data historis Xt untuk t=1,2,3,…,n, maka data ramalan exponential
untuk data waktu t adalah Ft.
Metode exponential smoothing yang sederhana dikembangkan dari metode rata-rata
Ŷt+1= 1 2 3
1
.. 1 t t
i
i
x x x x
x
t t
(2.2)Ŷt+2 = Ft + xt xt n n n
(2.3)
Misalkan observasi yang lama Xt-n tidak tersedia sehingga harus digantikan dengan suatu
nilai pendekatan (aproksimasi). Salah satu pengganti yang mungkin adalah nilai ramalan
periode yang sebelumnya Ft, sehigga
Ŷt+1 = Ŷt+( ), (2.4)
Ŷt+1 = ( ) xt ( )Ŷt (2.5)
Jadi, nilai ramalan pada waktu t+1 tergantung pada pembobotan observasi saat t, yaitu
( ) dan pada waktu pembobotan nilai ramalan n saat t yaitu1- ( ) bernilai antara 0 – 1.
Bila ( ) , maka diperoleh persamaan
Ŷt+1 = Xt +(1- ) Ŷt. (2.6)
Sehingga persamaan umum exponential smoothiong
Ŷt+1 = Xt +(1- ) Ŷt (2.7)
Keterangan ;
Xt = Nilai aktual yang terbaru,
Ŷt = Ramalan yang terakhir.
Ŷt+1 = Ramalan untuk periode yang mendatang dan α adalah konstanta
pemulusan (smoothing).
Sedanggkan, jika t=2 maka persamaannya menjadi
untuk memperoleh nilai Ŷ2 dan Ŷ1 harus diketahui nilai Ŷ0 adalah:
Ŷ1 = X0 +(1- ) Ŷ0. (2.9)
Secara garis besar metode Exponential Smoothing dibagi atas 3 metode yakni;
1. Metode single exponential smoothing
Metode single exponential smoothing adalah pengembangan dari metode mooving average
sederhana. Metode ini biasanya digunakan apabila perubahan volume penjualan dari waktu
ke waktu tidak berubah atau kecil saja. Maka dipilih metode konstan yaitu;
Yt = a + εt
Dengan: a= permintaan rata-rata
εt = random error dengan E = (εt) = 0
nilai a pada akhir periode T-1 adalah ậ(T-1) dan penjualan sekarang adalah Yt
Kesalahan ramalan pada periode T adalah :
eT = YT - ậ(T-1) (2.10)
Jika α adalah nilai kecil tertentu yang dimaksud maka taksiran permintaan yang baru adalah :
ậ(T) = ậ(T-1)+ α[YT - ậ(T-1) ( 2.11)
jika ậ(T) = ST,maka
ST = ST-1+ α(YT – ST-1)
ST= αYT + (1- α)ST-1 .(2.12)
Dengan ; ST adalah rata-rata tertimbang dari semua data lampau. Hal ini dapat ditunjukkan
sebagai berikut :
ST= αYT + (1-α){ αYT-1 + (1-α)ST-2} (2.13)
Jika subtitusi ST-k untuk k=2,3,...,T dilanjutkan maka akan diperoleh
ST = ∑ α
Sehingga didapat Ŷt+1 = Xt +(1- ) Ŷt (2.14)
Dimana S0 adalah penaksiran awal dari a, yang dipakai pada awal proses. ST dipakai
sebagai penaksir parameter a yang tidak diketahui pada waktu T. ậ(T)= ST. Sehingga nilai
ramalan penjualan untuk t waktu atau periode kedepan akan menjadi
ÝT+t = ST
1) Menentukan nilai α
α disebut pemulusan konstan. Dalam metode exponential smoothing, nilai α bisa
ditentukan secara bebas, artinya tidak ada suatu cara yang pasti untuk mendapatkan nilai α
yang optimal. Maka pemilihan nilai α dilakukan dengan cara trial dan error. Besarnya α
terletak antara 0 dan 1.
2) Menentukan nilai S0
a) Jika data historis tersedia, maka nilai awal S0 dianggap sama dengan nilai rata-rata
hitung n data terbaru.
S0 = ∑ i
b) Jika nilai ramalan awal tidak diketahui, maka nilai ramalan awal dapat diganti dengan
(1) Nilai observasi pertama sebagai nilai awal ramalan
(2) Nilai rata-rata dari beberapa nilai observasi pertama.
2. Metode double exponential smoothing
Metode ini digunakan apabila pola penjualannya menunjukkan pola linier. Pada
metode ini dilakukan proses smoothing dua kali sebagai berikut:
ST = aYT + (1- α) ST-1 (2.15)
Dimana ST adalah nilai pemulusan exponential smoothing tunggal dan ST(2) adalah
nilai pemulusan exponential ganda.
Nilai-nilai ậ1(T) dan ậ2(T) dapat dihitung dengan rumus-rumus sebagai berikut :
ậ1(T) = ST + (ST - ST(2))
= 2ST – ST(2) (2.17)
ậ2(T) = [ST – ST(2)] (2.18)
Agar dapat menggunakan rumus (2.12) dan (2.13), nilai ST-1 dan ST-1(2), harus tersedia.
Tetapi pada saat t=1, nilai-nilai tersebut tidak tersedia. Jadi, nilai-nilai ini harus ditentukan pada
awal periode. Hal ini dapat dilakukan dengan hanya menetapkan ST-1 dan ST(2) sama dengan
YT atau dengan menggunakan suatu nilai rata-rata dari beberapa nilai pertama sebagai titik awal.
Besarnya nilai ramalan untuk t periode ke depan adalah:
ŶT+1(T) = ậ1(T) + ậ2(T).t
= 2ST – ST(2) + { [ST– ST(2)]t }
= 2ST– ST(2)+ { ST– ST(2)t }
ŶT+1(T) = (2 + )ST– (1+ ) ST(2) (2.19)
3. Metode triple exponential smoothing
Metode ini digunakan apabila volume penjualan memperlihatkan perbedaan yang
sangat besar atau mengalami pasang surut yang besar.
Ýt = ậ1(T) + ậ2(T)t + ậ3(T).t2 (2.20)
Selanjutnya, dapat diselesaikan sebagai berikut:
ST = αxT + (1-α)ST-1
ST(3) = αsT(2) + (1- α)ST-1(3)
Sehingga, nilai-nilai ậ1(T), ậ2(T), ậ3(T) dapat dihitung dengan rumus bagai berikut:
ậ1(T) = 3ST– 3ST-1(2) + ST(3)
ậ2(T) = 2 [(6-5α)ST– 2(5-4 α)ST(2) + (4-3 α)ST(3)]
ậ3(T) = ( )2 [ST– 2ST(2) + ST(3)] (2.21)
dengan β=1-α
besarnya nilai ramalan t periode ke depan adalah :
Ŷt+1(T) = ậ1(T) + ậ2(T).t + ậ3.t2
Dengan mensubtitusi persamaan-persamaan (2.21) ke dalam persamaan
Ŷt+1(T) = 3ST – 3ST(2) + ST(3) + 2 (6-5α)ST - 2(5-4α)ST(2) + 2(4-3α)ST(3) + 2 ST -
2ST(2) + +
2 ST(3)
[6-β2 + (6-5α)αt + α2t2] +
2 –[6β
2 + 2(5-4α)α + 2α2t2] –
2 + [2β
2 + (4-3α)αt +
α2t2]
2 (2.22)
Dengan β=1-α
Sehingga ;
ŶT+1(T) = [6(1-α)2 + (6-5α)αt + α2t2] α – [6(1- α)2 + 2(5-4 α) α + 2 α2t2] – α + [2 (1-
α)2 + (4-3 α) αt + α2t2]
F. Kesalahan Meramal (forecast error)
Forecasting adalah usaha untuk meramalkan keadaan dimasa mendatang melalui
pengujian dimasa lalu. Dalam hal ini forecasting bertujuan untuk meminimumkan pengaruh
ketidakpastian bagi perusahaan.Dengan kata lain forecasting bertujuan untuk mendapatkan
forecast yang bisa meminimumkan kesalahan meramal (forecast error) yang biasanya
diukur dengan mean squared error dan mean absolute error.
Peramalan biasanya sering ditemukan kesalahan peramalan. Hasil proyeksi yang
akurat adalah peramalan yang bisa meminimalkan keasalahan meramal. Biasanya kesalahan
meramal (forecast eror) dihitung dengan mengurangi data yang sebenarnya dengan besarnya
ramalan.
Eror = data yang sebenarnya – ramalan
e = Yt - Ŷt
Dimana,
Yt = data sebenarnya periode ke-t
Ŷt = ramalan periode ke-t
Dalam menghitung forecast error digunakan:
a. Mean Absolute Error : adalah rata-rata absolute dari kesalahan meramal tanpa
menghiraukan tanda positif dan tanda negatif.
b. Mean square error, adalah rata-rata kesalahan meramal dikuadratkan,
The Mean Squared Error (MSE) adalah metode lain untuk mengevaluasi metode
peramalan. Masing-masing kesalahan atau sisa dikuadratkan, Kemudian dijumlahkan
dengan jumlah observasi20.
MSE = ∑ (2.25)
G. Gambaran umum Beton dan Perusahaan
Beton adalah percampuran antara semen, cippyng, pasir, dan air yang digunakan sebagai
bahan bangunan. Sedangkan beton itu sendiri terdiri dari 3 jenis beton yaitu; beton, beton jadi,
dan beton tulang. Beton yang dimaksudkan dalam skripsi ini adalah masih dalam bentuk
campuran (adonan) yang tiap volumenya dihitung dengan satuan m3. Sedangkan beton jadi
adalah beton yang sudah dalam keadaan jadi atau padat dan siap untuk digunakan untuk
bangunan. Sedangkan beton tulang adalah beton yang didalamnya sudah dilapisi besi yang
biasanya digunakan sebgai tiang dalam bangunan.
Beton yang dimaksudkan dalam skripsi ini adalah beton yang masih dalam bentuk
padanan cair (adonan), beton inilah yang akan diramalkan volume penjualannya dengan berkiblat
pada data yang sebelumnya atau data yang telah ada.
Salah satu perusahaan yang menjual beton ini adalah PT.HARFIA GRAHA PERKASA,
salah satu unit pabrik campuran beton Jadi dan Kontraktor. Perusahaan ini beralamat di
Jl.A.Tondro No.45 Sungguminasa Kab.Gowa.
Seiring dengan pertumbuhan ekonomi yang cukup tinggi dan pesatnya perkembangan
sektor konstruksi, khususnya pembangunan infrastruktur dan properti. PT.Harfia Graha Perkasa
ikut berpartisipasi melalui usaha penyediaan produk-produk beton. Dengan didukung staf
20
karyawan yang berpengalaman di bidang beton, peralatan-peralatan yang tepat serta fasilitas
group, perusahaan senantiasa mengutamakan kepuasan dan kepercayaan pelanggan, dengan
menjamin bahwa produk yang dihasilkan dapat memenuhi mutu yang dipersyaratkan,
penyerahan produk yang tepat waktu serta harga yang bersaing.
PT.Harfia Graha Perkasa yakin bahwa melalui kegiatan dan jasa, dapat memperkuat dan
mengembangkan hubungan bisnis dan suasana yang kondusif dengan relasi di kawasan
Indonesia Timur maupun di Indonesia secara keseluruhan.
VISI
Menjadi produsen beton & aggregat yang bercitra baik, selalu berkembang dan unggul di daerah pasar yang terpilih.
MISI
Menghasilkan laba yang wajar untuk pertumbuhan dan perkembangan perusahaan,
memberikan deviden yang pantas bagi pemegang saham, memenuhi persyaratan pelanggan, mengembangkan kompetensi SDM dan kepuasan karyawan, serta memenuhi perundangan dan peraturan yang berlaku.
PRINCIPLE DAN MANAGEMENT
Penerapan manajement didasarkan pada kepercayaan bahwa karyawan mempunyai komitmen untuk bekerja sebaik mungkin dan mampu membuat keputusan yang tepat. Hal ini merupakan keyakinan dari karyawan, bahwa apabila perusahaan menjanjikan produk/jasa yang
Kejujuran dan keterbukaan kami memberikan kontribusi dalam menciptakan rasa
memiliki pada karyawan. Semua karyawan ikut berperan dalam pencapaian sukses perusahaan. Untuk relasi dan rekanan berarti terjamin komunikasi yang cepat dan bisa bertemu langsung dengan pembuat keputusan di semua level dengan respon yang lebih cepat.
Perusahaan ini menjual 5 jenis beton yakni KW5, KW4, KW3, KW2, dan KW1. Beton
ini dibedakan berdasarkan kualitas dari beton tersebut. Kualitas beton ini dibedakan berdasarkan
percampuran bahan,seperti semen, cippy, pasir, ketahanan beton, dll. Untuk beton KW5 adalah
beton yang kualitasnya paling baik dan beton KW1 adalah beton yang kualitasnya paling rendah
BAB III
METODE PENELITIAN
A.Jenis Penelitian
Jenis penelitian yang digunakan pada penelitian ini adalah penelitian yang bersifat
explanatory (explanatory research) dan aplikasinya yaitu dengan mengumpulkan literatur
yang berkaitan dengan permasalahan yang akan diperoleh data penelitian ini. Selanjutnya,
mempelajari, membahas, dan menjabarkan hasil pengamatan studi tersebut yang dituangkan
dalam penulisan karya tulis berupa tugas akhir ini.
B. Lokasi dan Waktu Penelitian
Lokasi penelitian penulisan tugas akhir ini adalah di PT.Harfia Graha Perkasa
Makassar, Sulawesi Selatan pada bulan Februari sampai April 2011.
C. Jenis dan Sumber Data
Data yang digunakan dalam penyusunan skripsi ini merupakan data sekunder.
D. Metode Pengumpulan Data
Pengumpulan data merupakan hal yang sangat penting dalam penelitian, karena data
dapat digunakan pada penelitian exploratif, maupun untuk menguji hipotesis yang
dirumuskan. Metode pengumpulan data ditentukan pula oleh masalah penelitian yang ingin
dipecahkan.
Secara umum, metode pengumpulan data dapat dikelompokkan ke dalam metode
pengamatan langsung dan metode pengamatan tidak langsung dengan penggunaan angket, dan
beberapa metode khusus.21
Metode pengumpulan data yang digunakan adalah :
1. Wawancara
Wawancara adalah suatu cara pengumpulan data melalui tanya jawab dengan bagian
keuangan dan pemasaran sehingga didapatkan informasi – informasi yang diperlukan
oleh peneliti
2. Dokumentasi
Dokumentasi adalah mencari data yang berupa catatan, laporan, tabel dan sebagainya
yang berkaitan dengan obyek penelitian. Pada penelitian ini data yang didapatkan dari
PT.Harfia Graha Perkasa adalah volume penjualan Januari 2007 – April 2011 .
E. Prosedur Penelitian
Pada penelitian ini prosedur atau langkah-langkah yang digunakan adalah ;
1. Identifikasi masalah, dimulai dengan mempelajari berbagai macam sumber referensi
terutama yang berkaitan dengan forecasting (Peramalan). Dari penelaahan tersebut akan
muncul ide dan dijadikan landasan untuk melakukan penelitian.
2. Perumusan masalah,berangkat dari gagasan atau ide yang muncul serta hasil penelaahan
sumber pustaka dan diskusi dengan dosen pembimbing maka permasalahan yang diteliti
berkaitan dengan peramalan volume penjulan dengan metode exponential smoothing.
3. Observasi, setelah permasalahan dirumuskan, dilakukan observasi untuk mengumpulkan
data yang akan dikaji. Pada penelitian ini yang dibutuhkan adalah data jenis kuantitatif
yakni laporan penjualan beton.
4. Analisa data, didalam tahap ini dilakukan pengkajian data yang diperoleh berdasarkan
teori yang ada, khususnya yang berkaitan dengan penggunaan Metode Exponential
smoothing untuk metode penjualan.
a) Membuat scatter Diagram, untuk melihat pola volume penjualan dari data time series
plot” menggunakan program minitab. Waktu atau periode penjualan (T) sebagai absis
dan volume penjualan (YT-t) sebagai ordinat.
b) Menentukan persamaan regresi (regression equation), persamaan regresi digunakan
untuk mengetahui hubungan yang terjadi antara kedua variabel, dalam hal ini
persamaan regresi diperoleh daro software minitab.
c) Memilih metode Exponential Smoothing, yang tepat berdasarkan pola yang didapat
dari data time series yang ada.
1) Jika data time series memperlihatkan pola konstan atau jika perubahannya kecil
saja, maka untuk meramalkan YT-t dapat digunakan metode exponential smoothing
sederhana atau order pertama berikut:
ŶT+t(T) = ST = αYT + (1-α)ST
Keterangan;
ŶT+t(T) ; ramalan t waktu atau periode ke depan setelah pengamatan terakhir YT
ST ; YT
α ; smoothing konstan
2) Jika data time series memperlihatkan pola linear maka digunakan metode
exponential smoothing order dua dengan rumus:
ŶT+t(T) = (2 + ) ST - (1 + ) ST(2)
Dengan ;
ST = αYT + (1-α)ST-1
ST(2) = α ST + (1-α) ST-1(2)
Dimana ST adalah nilai pemulusan exponential tunggal dan ST(2) adalah nilai
pemulusan ganda.
3) Jika data time series tidak memperlihatakan pola konstan ataupun linear yang digunakan
adalah metode exponential smoothing orde 3 dengan rumus ;
ŶT+1(T) = [6(1-α)2 + (6-5α)αt + α2t2] – [6(1- α)2 + 2(5-4 α) α + 2 α2t2] – +
[2 (1- α)2 + (4-3 α) αt + α2t2]
Dengan;
ST = αYT + (1-α)ST-1
ST (2) = α ST + (1-α)ST-1(2)
ST (3) = α ST(2) + (1-α)ST-1(3)
S1 (3) = Y1
Dimana ST adalah nilai pemulusan pertama, ST(2) adalah nilai pemulusan kedua dan
ST(3) adalah nilai pemulusan ketiga.
5. Menentukan nilai α
Pada penelitian ini, penulis menggunakan α =0,1, α =0,2, dan α =0,3.
6. Menghitung forecast error, dari perhitungan kesalahan nanti akan diperoleh satu kesalahan
dalam peramalan tersebut, semakin kecil kesalahan yang diperoleh maka peramalan
(forecast) semakin bagus.
Mean Absolut Error, adalah rata-rata absolute dari kesalahan meramal tanpa
menghiraukan tanda positif dan tanda negatif.
Mean square error, adalah rata-rata kesalahan meramal dikuadratkan.
MSE = ∑
Dengan;
YT = data yang sebenarnya terjadi
= data ramalan dihitung dari model yang digunakan pada waktu atau tahun t
n = banyak data hasil ramalan
7. Menarik simpulan, pada akhir pembahasan dilakukan penarikan simpulan sebagai jawaban
dari permasalahan.
F. Karangka Pikir
Karangka pikir penelitian yang digunakan penelitian pada PT.Harfia Graha Perkasa adalah
BAB IV Volume penjualan
waktu
Analisis data
Hasil Analisis
Rekomendasi
PT. Harfia Graha Perkasa
Metode
BAB IV
HASIL DAN PEMBAHASAN
A. Hasil Penelitian
Pengambilan data dilakukan di PT. Harfia Graha Perkasa yang merupakan
perusahaan yang memproduksi beton. Pada penelitian ini, data yang diambil untuk dianalisis
adalah data volume penjualan beton sejak bulan Januari 2007 sampai April 2011
(Lampiran 1).
1. Penggunaan metode exponential smoothing
Data hasil penelitian pada PT. Harfia Graha Perkasa tersebut akan dianalisis untuk
meramalkan volume penjualan untuk periode selanjutnya dengan menggunakan metode
exponential smoothing.
a. Scatter diagram volume penjualan
Berdasarkan data hasil penelitian pada lampiran 1, dibuat scatter diagram volume
penjualan dengan menggunakan minitab, sehingga dapat dilihat pola kelinieran dari garis
trend, apakah cenderung naik atau cenderung turun.
bulan v o lu m e 50 40 30 20 10 0 9000 8000 7000 6000 5000 4000 3000 2000 1000 S 1659.07 R-Sq 1.6% R-Sq(adj) 0.0% Fitted Line Plot
volume = 4825 - 13.98 bulan
Gambar 4.1, menunjukkan karakteristik data yang berpola nonlinear, artinya kedua
variabel X dan Y tidak memiliki hubungan yang cukup kuat. Untuk mengukur kecukupan model
regresi yang ditampilkan pada persamaan gambar 4.1, dapat dilihat pada koefesien determinasi
(r2), koefesien determinasi menjelaskan variasi respons yang dapat dijelaskan prediktor. Nilai
koefisien determinasi model regresi adalah 1,6%.
Selanjutnya, untuk mengukur tingkat keeratan hubungan linear antara 2 variabel.
Digunakan koefisien korelasi. Nilai korelasi berkisar antara -1 sampai +1, nilai korelasi negatif
berarti hubungan antara 2 variabel adalah negatif. Artinya, apabila salah satu variabel menurun,
maka variabel lainnya akan meningkat. Sebaliknya, nilai korelasi positif berarti hubungan antara
kedua variabel adalah positif. Artinya, apabila salah satu variabel meningkat, maka variabel
lainnya meningkat pula. Hubungan